Google fecha acordos de resposta à demanda com I&M e TVA para tornar cargas de ML flexíveis à rede elétrica

De postergar uma transcodificação do YouTube a postergar tarefas de ML

O Google afirma que suas primeiras capacidades de resposta à demanda em data centers envolviam deslocar tarefas de computação não urgentes — o post cita o processamento de um vídeo do YouTube como exemplo — para fora dos horários em que a rede elétrica está sobrecarregada. Essas capacidades já foram usadas em parcerias com a Centrica Energy e a operadora de transmissão Elia, na Bélgica, e com a Taiwan Power Company, em Taiwan.

Os dois novos acordos, com a Indiana Michigan Power (I&M) e a Tennessee Valley Authority (TVA), estendem essa mesma ideia para uma categoria de trabalho mais difícil. O Google afirma claramente que esses acordos 'representam a primeira vez que entregamos resposta à demanda em data centers direcionando cargas de trabalho de machine learning (ML).' O precedente é uma demonstração feita com a Omaha Public Power District, na qual o Google reduziu a demanda de energia associada a ML durante três eventos de rede no ano passado.

Essa evolução importa porque o treinamento de ML e a inferência em lote estão entre as cargas maiores e que mais crescem em um data center moderno. Tornar essas tarefas ajustáveis às condições da rede elétrica é um problema bem diferente de postergar a codificação de um vídeo, e é exatamente essa capacidade que o Google agora assume por contrato.

O produto é uma classificação de quais tarefas podem esperar

Por trás da linguagem contratual com as concessionárias, a verdadeira proposta de engenharia é sobre agendamento. A resposta à demanda só funciona se um sistema conseguir separar com confiabilidade o que precisa rodar agora do que pode ser deslocado ou reduzido 'em determinadas horas ou épocas do ano', como diz o post.

O Google descreve a demanda flexível como algo que 'pode ser implementado rapidamente, ajudando a preencher a lacuna entre o crescimento de carga no curto prazo e as soluções de energia limpa no longo prazo.' Na prática, essa rapidez vem do software: a capacidade de pausar, limitar ou realocar tarefas de ML a partir de um sinal do operador da rede. O acordo com a concessionária é o contrato; o classificador que decide o que pode ser postergado é o mecanismo.

Um limite rígido de confiabilidade traçado em torno dos serviços voltados ao usuário

O Google é claro ao dizer que essa flexibilidade tem limites. A empresa escreve que 'há limites para o quanto um determinado data center pode ser flexível, já que altos níveis de confiabilidade são essenciais para serviços como Search e Maps, além de clientes do Cloud em setores essenciais como saúde.'

Incorporar cargas de trabalho de ML é um passo importante para viabilizar flexibilidade de demanda em maior escala, entregando confiabilidade à rede e benefícios de economia de custos nos locais onde essas capacidades são implementadas.Montana Labs

Essa frase traça a linha operacional com clareza. O tráfego sensível à latência e voltado ao usuário — o frontend com o qual as pessoas interagem diretamente — permanece fixo. A capacidade postergável vem do trabalho de ML em segundo plano. A resposta à demanda escala justamente porque as tarefas de ML ficam do lado tolerante dessa linha, e não porque o Google esteja dispsoto a deixar o Search mais lento.

O que a contratação de carga de ML flexível sinaliza para o agendamento com consciência de rede

A implicação concreta desses acordos com I&M e TVA é que o Google está tratando a computação de ML postergável como um recurso de rede negociável, não apenas como uma palanca interna de eficiência. Steve Baker, da I&M, descreve a flexibilidade de carga como 'uma ferramenta extremamente valiosa' para atender o novo data center do Google em Fort Wayne, ligando uma interconexão mais rápida de grandes cargas à disposição do Google de reduzir a demanda quando solicitado.

O Google é honesto ao dizer que isso ainda é inicial e específico por local: a flexibilidade 'só estará disponível em determinados locais', e a empresa cita novos investimentos em geração e transmissão como parte do mesmo portfólio. Mas o ponto estrutural é que a divisão entre serviços urgentes voltados ao usuário e trabalho de ML deslocável agora está escrita em contratos com concessionárias. Para equipes que operam grandes frotas de ML, isso reformula o agendamento de tarefas como algo com valor não só em custo e desempenho, mas também em compromissos com a rede elétrica — e valoriza cada vez mais saber exatamente quais cargas de trabalho podem, com segurança, esperar.